Genome Biol | 杨力组开发基于深度学习的计算分析框架实现RNA测序数据直接鉴别RNA编辑与DNA突变位点

2024年10月08日， Genome Biology 在线发表了复旦大学生物医学研究院 杨力 研究组题为 DEMINING: a deep learning model embedded framework to distinguish RNA editing from DNA mutations in RNA sequencing data 的最新研究成果， 本研究发布了一套新型计算分析框架——DEMINING，可以从RNA测序数据直接鉴别RNA编辑与DNA突变位点。 本研究开发的DEMINING流程 （图1） ，通过深度学习模型DeepDDR，实现从RNA测序数据中高效准确地识别RNA编辑和DNA突变。 DEMINING流程首先通过严格的筛选标准去除转录组数据中的测序和比对错误 （图1a） ，然后将获得的高可信度 （DNA和RNA） 突变位点信息作为输入，通过搭建的深度学习模型DeepDDR实现DNA突变和RNA编辑的精准区分 （图1b） 。